首页 > 检索购买 > 新闻资讯 > 详情

python数据刀_20141206

date:20160226 | 作者:TenHui | 点击:1251


py-

http://www.bzss.cn/test/news/news_view/34

python:

strings:[:4]

php:

strings:[:4]

http://www.bzss.cn/test/news/news_view/32


图表类型

https://echarts.apache.org/examples/zh/index.html#chart-type-radar

py-

我们应该编写了有1000多个python程序了,后期我们会陆续开源:

https://github.com/lisoaring

切割shp.py

打包.py

folder2mysql.py

def merge20190303.py 快速选取任意一年的县界  后期,我们将扩大到乡镇,基于xls,快速选择某一年数据  链接:https://pan.baidu.com/s/1RJm39xQCAGLz5jc1lDEa-Q 提取码:7gei

这个字符串如何分割:

马兰坝河(433.6)、横河子河(160.6)[干支嘎河(370.8)、浩尔吐河(797.3)]、十三敖包河(199.6)[花加拉嘎河(344.5)]



程序列表:



Python 是功能强大、免费、开源,实现面向对象的编程语言,Python 能够运行在Linux、Windows、
Macintosh、AIX 操作系统上及不同平台(x86 和arm),Python 简洁的语法和对动态输入的支持,再
加上解释性语言的本质,使得它在大多数平台上的许多领域都是一个理想的脚本语言,特别适用于快
速的应用程序开发。Python 具有丰富和强大的库,能够把用其他语言制作的各种模块(尤其是C/C++)
很轻松地联结在一起。除了Python 标准库,几乎所有行业领域都有相应的Python 软件库,随着NumPy、
SciPy、Matplotlib 和Pandas 等众多Python 应用程序库的开发,Python 在科学和工程领域地位日益重
要,在数据处理、科学计算、数学建模、数据挖掘和数据可视化方面的优异性能使得Python 在地球
科学中地理、气象、气候变化、水文、生态、传感器等领域的学术研究和工程项目中得到广泛应用并
高效解决各种数据分析问题,可以预见未来Python 将成为科学和工程领域的主流程序设计语言。

1. 掌握Python 基础、Python 常用模块
2. 掌握科学计算-- NumPy 和Scipy
3. 掌握强大高效的数据分析环境(地学-水文-气象数据的处理学习Pandas 和pycdo 处理)
4. 掌握Python 在地学-水文-气象数据的可视化- numpy、matplotlib 和basemap
5. 掌握Python 的数据挖掘–scikit-learn
6. 掌握python 机器学习在地学-气象-水文中的应用
7. 通过手把手的实操指导,掌握Python 语言数据处理方法与编程技术

一、Python 语言中科学计算的基石— —Numpy & Scipy
本节通过多个案例讲述如何使用Python 语言在地球科学进行科学计算。
案例场景:
A、算数计算:
1、农业积温计算
2、极端气候指数(e.g. 高温指数、干天、湿天)
3、在中国范围使用格点化TRMM 遥感降水数据统计降雨随高程变化规律
B、计算回归:
1、多种方法计算极端气候指数的趋势(最小二乘法、曲线拟合和线性回归)
2、基于MODIS 积雪产品计算积雪变化趋势(e.g. 初雪日、终雪日和积雪面积)
3、在1km 格网下分析GDP 与人口、气候资源的关系
C、相关系数计算
1、气候指数(e.g. nino34、NAO)与中国气温降水的相关关系
2、全球海温(Hadsst)与中国气温降水的相关关系

二、Python 语言中数据处理的利器— —Pandas
本节通过多个案例讲述如何将零碎的科研工作中的数据(观测数据、模式数据)整理为
结构数据(可供模型输入和统计分析的数据)
案例场景:
A、模型输入
1、使用格点化的数据为SWAT 水文模型制作驱动数据(excel 格式)
2、为生态模型制作数据输入(Fortran 的固定格式输入)
B、数据库操作
1、整理全国大气环境监测数据(e.g. AQI、NOX、SOX、PM2.5)
2、如何使用由气象共享网下载的数据?
C、数据的统计
1、分类汇总功能,将数据按照标签(如时间,日数据统计为月数据等)进行统计。


三、Python 语言中机器学习的瑞士军刀——scikit-learn
本节通过多个案例讲述如何使用Python 语言在地球科学解决预测和分类问题。
A、数据清洗
1、缺失数据的处理(树模型方法)
2、异常值的检测
3、随机采样
4、数据的离散化和分箱
B、分类问题(非监督与监督学习)
1、精细化农业区划
2、在1980~2015 年多期遥感影像农田面积如何变化?
3、泥石流灾害是在什么样的地形地貌和气候条件下发生?
C、回归问题
1、城市AQI 环境指数的预测
2、土壤湿度的预测
3、典型植物物候开花期预测

上一篇下一篇